一种改进的支持向量机模型优化算法

• 作者: 张君华 张颖 李利杰 熊伟清
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 模型选择 主成分分析 自学习 遗传算法
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 114-117,123
• 页数: 5页
• 分类号: TP18
• 字数: 2697字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.12.027

摘要

核函数与参数选择即模型优化是影响支持向量机泛化能力的主要因素。为提高支持向量机的泛化能力,文中在最优保存遗传算法的基础上引入学习算子和主成分分析方法,提出一种新的支持向量机模型优化新算法（简称PCA-SL-GA ）解决支持向量机分类器模型自动优化问题。仿真实验结果表明,与用于支持向量机模型优化的隐马尔可夫、贪心算法、遗传编程等算法相比,PCA-SLGA算法具有快速收敛性和较强的全局搜索能力。实验进一步表明采用混合算法寻找最优核模型是一种可行途径。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张君华		13	131	4.0	11.0
2	熊伟清	宁波大学信息学院	68	1051	17.0	30.0
3	张颖		25	88	5.0	8.0
4	李利杰		17	73	5.0	8.0